1.基于机器视觉和级联分类器的车辆检测和预警方法，其特征在于：包括如下步骤：
利用经过剪辑的市面上已知车型的汽车图片进行正负样本的级联分类器训练；
通过大量实测数据建立识别框宽度与现实距离的数学模型；
实时图像获取；
图像预处理，框定感兴趣区域；
对感兴趣区域进行目标识别；
对识别结果进行数据分析，从而筛选和跟踪目标；
对跟踪目标进行识别框移动平均滤波处理；
计算识别目标的实际距离，通过帧差时间和实际距离差计算车辆的移动速度，以此获得可能发生碰撞的时间并显示预警信息。
2.根据权利要求1所述的基于机器视觉和级联分类器的车辆检测和预警方法，其特征在于所述分类器基于车辆尾部的LBP特征训练得到的。
3.根据权利要求1所述的基于机器视觉和级联分类器的车辆检测和预警方法，其特征在于步骤B中,数学模型按以下方式建立:通过大量实测数据，得到实体与图像中宽度和距离的相关关系并进行拟合函数误差分析，确定测距数学模型。
4.根据权利要求1所述的基于机器视觉和级联分类器的车辆检测和预警方法，其特征在于步骤D中，按以下程序进行：
将原始图片转化为OPENCV可处理的Mat对象；
对mat对象缩放和灰度处理；
对灰度图像进行灰度直方图均衡化；
使用mask遮罩图像对非感兴趣区域实现图像覆盖，从而缩小感兴趣区域以降低复杂环境对分类器识别的干扰。
5.根据权利要求1所述的基于机器视觉和级联分类器的车辆检测和预警方法，其特征在于:步骤E中包括目标排序与车辆前方检测过程，具体如下：
目标排序指按照目标到自己的距离远近进行排序，目标的距离远近与机器视觉中识别车辆的y坐标值相对应，距离越远，其识别框的y值越大，通过对比识别框的y坐标值进行排序；
车辆前方检测指的是前方在纵向行驶过程可能对自己造成威胁的车辆，这里通过已知的自己车辆宽度对应视频中的横向宽度作为三角形的两个底点，将视频中的道路无穷远处视为三角形的顶点，连接三个点构成三角形，当识别框与该检测三角形发生碰撞时视为前方车辆，以此筛选出前方对自己可能造成威胁的车辆，同时按照识别框y坐标值排序，找到距离自己最近的车辆。
6.根据权利要求1所述的基于机器视觉和级联分类器的车辆检测和预警方法，其特征在于：步骤F中，通过上一帧与下一帧的识别框坐标进行对比，采用欧氏距离计算两个坐标的距离，当距离在阈值范围内视为同一辆车，这里取阈值为车辆识别框宽度的二分之一；采用移动平均滤波处理方法对识别宽度进行平滑处理，对追踪到的车辆将其前四帧的识别宽度计算平均值。
7.根据权利要求6所述的基于机器视觉和级联分类器的车辆检测和预警方法，其特征在于：在对识别框平滑处理前进行预处理，具体过程如下：将当前帧的识别框宽度与上一帧的识别框宽度对比，当两帧识别框宽度差超过上一帧宽度的0.1时，将该帧识别框宽度调整为当前帧识别框宽度与上一帧识别框宽度的平均值。